# LLM-Benchmark Konfiguration # Modell : NVIDIA-Nemotron-3-Nano-4B # Engine : llama.cpp # Run-ID : run-20260727-142111-7e0547 # GPU : NVIDIA GeForce RTX 3090 Ti # CPU : AMD Ryzen 9 8945HX with Radeon Graphics # RAM : 92 GB bench@llm-benchmark:~$ /root/llama.cpp/build/bin/llama-server \ -m /root/.cache/huggingface/hub/models--DevQuasar--nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16-GGUF/snapshots/86e3ddc0b34d94852cae725ade1b9b015b516f38/nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16.f16.gguf.Q4_K_M.gguf \ --alias NVIDIA-Nemotron-3-Nano-4B \ --host 0.0.0.0 \ --port 8000 \ -ngl 999 \ -c 16384 \ -np 4 \ --jinja

Engine?Die Inferenz-Software, die das Modell ausliefert (z.B. vLLM oder llama.cpp). Sie bestimmt Geschwindigkeit, unterstuetzte Modellformate und welche Parameter ueberhaupt verfuegbar sind.	llamacpp
Modellalias?Der Name, unter dem das Modell ueber die API angesprochen wird. Genau dieser Wert muss im Request-Feld 'model' stehen.	NVIDIA-Nemotron-3-Nano-4B
Kontextlaenge?Maximale Anzahl Tokens (Eingabe + erzeugte Ausgabe zusammen), die das Modell pro Anfrage verarbeiten kann.	16384
Modellpfad?Pfad zur GGUF-Modelldatei, die geladen und ausgeliefert wird.	/root/.cache/huggingface/hub/models--DevQuasar--nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16-GGUF/snapshots/86e3ddc0b34d94852cae725ade1b9b015b516f38/nvidia.NVIDIA-Nemotron-3-Nano-4B-BF16.f16.gguf.Q4_K_M.gguf
GPU-Layer?Anzahl der auf die GPU ausgelagerten Modell-Layer. Hoeher = mehr VRAM und schneller; der Rest laeuft auf der CPU. 999 = alles auf GPU.	999
Kontext?Groesse des Kontextfensters in Token. 0 = der beim Training verwendete Kontext des Modells.	16384
np	4

All benchmarks of this model To leaderboard

Model comparison

NVIDIA-Nemotron-3-Nano-4B on various hardware

All published performance runs of this model – each bubble a variant: position = prefill (X) × generation (Y), bubble size = number of runs. Closer to the top right = faster. ★ Marked gold = this benchmark.

GPUby graphics card

NVIDIA GeForce RTX 5070 Ti 1.197,0 tok/s★ NVIDIA GeForce RTX 3090 Ti 992,1 tok/s this runAMD Radeon AI PRO R9700 261,2 tok/sAMD Radeon 8060S Graphics 113,4 tok/sCPU-only 8,0 tok/s

CPUby processor

AMD Ryzen Threadripper PRO 5975WX 32-Cores 1.197,0 tok/s★ AMD Ryzen 9 8945HX with Radeon Graphics 992,1 tok/s this runAMD Ryzen Threadripper PRO 7955WX 16-Cores 261,2 tok/sAMD RYZEN AI MAX+ 395 w/ Radeon 8060S 113,4 tok/sIntel(R) Xeon(R) CPU E5-4620 v2 @ 2.60GHz 8,0 tok/s

MBby mainboard

ASUSTeK COMPUTER INC. Pro WS WRX80E-SAGE SE WIFI 1.197,0 tok/s★ Meigao Innovation Technology (Shen Zhen) Co., Ltd DRFXL (MotherBoard Series) 992,1 tok/s this runASUSTeK COMPUTER INC. Pro WS WRX90E-SAGE SE 261,2 tok/sBosgame AXB35-02 (BeyondMax Series) 113,4 tok/sDell Inc. PowerEdge R820 8,0 tok/s

ENGby engine

★ llama.cpp 1.197,0 tok/s this run

DRVby driver

unbekannt 1.197,0 tok/s

💰 Economics

Economics of this run

Operating cost, TCO and comparison with the next-best runs of the same model at identical concurrency (1× concurrent). Methodology →

⚙️ ConfigurationAll metrics and charts below follow these settings – based on a 24-month runtime.Save to URL Reset

⚡ Electricity price EUR/kWh

⚙️ System utilization 100 %

🖥️ Acquisition EUR

🔌 Idle 50 W

⚡ TDP 477 W

☁️ External LLM (API) show

Input €/1M Output €/1M Input per output token

Electricity0.30 EUR/kWh

Avg power (incl. idle)477 W estimated (TDP)GPU 450 + CPU 17 + Board 10 W full load

Avg cost / hourEUR 0.14

Electricity / 1M tokensEUR 0.17

Token / kWh1.79M

Acquisition (system)EUR 2,986 partial priceGPU EUR 999 · CPU EUR 549 · RAM EUR 1,288 · PSU EUR 150

Electricity (2 years)–

TCO (2 years)EUR 5,494

Output tokens (2 years)14.94B

☁️ External LLM (API) – comparison

External LLM cost (2 years)–

Savings vs. external (2 years)–

All values above and the charts below take the configured system utilization into account: at X% the system generates only X% of the time, the rest it idles (50 W). Cost per hour drops (more idle), cost per token rises.

Cost over 2 years – electricity only

Cost over 2 years – incl. acquisition (TCO)

Speed vs. tokens per euro

Euro per 1M tokens

NVIDIA GeForce RTX 3090 Ti · this run 237 tok/s NVIDIA GeForce RTX 5070 Ti 234 tok/s AMD Radeon 8060S Graphics 65 tok/s Keine GPU (CPU-only) 5 tok/s

Comparison with up to 3 next-best runs of this model at the same concurrency (at least one on different hardware). Power = GPU TDP + CPU (idle + 15 %) + board (estimated), acquisition = full system (GPU + CPU + board + RAM + PSU), prices = stored market prices.

Contributed by

Mario Alka Administrator

@marioalka

Ich bin Unternehmer, Softwareentwickler und KI-Enthusiast. Seit vielen Jahren entwickle ich Unternehmenssoftware und beschäftige mich inzwischen fast täglich mit lokalen LLMs, KI-Agenten und leistungsfähiger KI-Hardware.

Mit LLM-Benchmark.de möchte ich eine Plattform schaffen, auf der Modelle, GPUs und Agenten objektiv und reproduzierbar miteinander verglichen werden.